基于指数调节策略对抗网络学习的轴承故障诊断研究

基于深度学习的故障诊断方法被广泛应用于以轴承为代表的机械关键部件故障诊断,其取得理想效果的前提是有足量故障样本且训练集、测试集满足同分布要求。然而,在实际工况下数据分布会发生变化,进而使原有工况下的诊断模型很难适用于新工况。为此,域适应类迁移学习方法被用于解决训练集、测试集分布不同的问题,其重点在于实现数据分布适应,即度量数据分布差异,并利用度量结果对模型训练进行指导,从而提升学习效率和诊断准确率。在此基础上,提出了一种基于对抗学习的域适应方法,该方法的核心是将提出的指数调节策略与对抗网络相结合,使得网络在故障诊断过程中更有针对性地适应目标域的数据分布。该网络由特征提取器、分类器、一个全局域鉴别器和多个局部域鉴别器组成,利用对抗策略和适应性矩估计算法对模型进行优化,并通过基于指数调节策略设定的指数自适应因子对模型中的边缘分布和条件分布重要性进行调节,使得模型可以稳定、高效地进行故障诊断。在跨转速、跨负载和同时跨转速和负载的轴承诊断案例中对提出的方法进行验证,结果表明本文方法的诊断效果优于其他域适应方法,并具有较好的稳定性。     

洁净系统中激光诱导颗粒污染物的分析与评估

高功率激光系统要求在洁净环境中运行,若光学元件表面在工作过程中附着污染物,将导致光学元件的损伤及整个系统负载能力的下降。针对洁净系统中激光与材料作用而产生的颗粒物,分析其作用机制,探讨用于评估的理论依据,讨论测量的需求和方法,并对系统表面存在的颗粒污染物进行了实际测量分析,提出了深入开展高功率激光系统中颗粒污染物测量与评估的技术途径。     

单相光伏并网逆变器共模电流的分析与抑制

单相非隔离型光伏并网逆变器由于缺少变压器的电气隔离,工作时常会产生较大的共模电流,即漏电流。为此,在分析了共模电流产生原因的基础上,研究了几种能够有效抑制共模电流的拓扑结构,分别为带交流旁路的全桥拓扑、带直流旁路的全桥拓扑、H5拓扑以及H6拓扑。其抑制共模电流的基本原理为通过相应的开关调制模式,使系统寄生电容上的共模电压保持恒定,从而减少共模电流的产生,最后仿真结果验证了这几种拓扑结构的可行性。由于不同拓扑结构所含功率器件数量的不同以及调制模式的不同,系统的工作效率有所差异,对比发现H5、H6拓扑优于其他拓扑。     

基于生成对抗网络和自动编码器的机械系统异常检测

现有的机械系统智能诊断模型需要不同健康状态下大量的历史数据和相对应的标签来完成模型训练,但有些机械系统难以采集到异常样本。在无异常样本训练情况下,本文提出一种新的机械系统异常检测方法。新方法结合生成对抗网络和自动编码器,构建了一种编码-解码-再编码的网络模型。所提模型首先通过早期采集的正常样本进行训练,然后用于对未知状态的实时监测样本进行测试,输出两次编码得到的潜在特征的差异值,最后通过观察差异值的变化对系统进行监测。3组实验分析结果验证了方法的有效性。与传统方法相比,新方法检测出异常的时间更早,所得差异值指标在异常发生时幅度增加得更大,且能更稳定表征故障演化过程。     

基于小波和统计检验的瞬态成分检测的方法及应用

将连续小波变换技术和统计检验结合用于检测信号中具有一定时频分布的瞬态成分,指出连续小波变换具有分离信号中瞬态成分和噪声的作用。提出一种基于连续小波变换和统计检验的瞬态成分检测的“逐步去除法”。将“逐步去除法”用于齿轮箱振动中的瞬态成分的检测与提取,能比较有效地检测出瞬态成分;基于连续小波变换反演的瞬态成分估计能比较有效地表示设备的状态。     

正交试验法优选高速客车空心轴参数

我国铁路车辆正朝高速、重载方向发展,空心车轴的采用是减轻簧下质量的重要措施,其参数的优化选取在车轴设计中相当关键。针对时速250km/h高速客车空心车轴的参数设计选择,应用正交试验方法,通过分析内孔径、轴颈直径和轴身外径对车轴质量与车轴应力集中的影响,根据直观分析和方差分析计算,一致得出车轴参数设计的最佳组合方案,同时验证轴身外径为关键影响因子。结果表明此正交试验法科学、高效,可应用于车辆轻量化的研究。     

多源稀疏优化方法研究及其在齿轮箱复合故障检测中的应用

齿轮箱因其工作环境恶劣,极易出现复合故障,其故障振动信号往往包含多种成分且伴随着强烈的背景噪声,给齿轮箱故障诊断带来了很大的困难.稀疏分解能够在强背景噪声下有效地提取微弱故障特征,针对传统稀疏分解方法存在信号保真能力欠缺,目标函数非凸导致局部最优解,模型通用性差等问题,基于广义极小极大凹(Generalized minimax concave,GMC)惩罚函数推导构建了具有保凸性的多源稀疏优化目标函数,并利用前向后向分裂(Forward-backwardsplitting,FBS)算法,基于Laplace小波字典,Morlet小波字典与DFT字典分别求解轴承瞬态成分,齿轮瞬态成分,谐波成分的稀疏表示,最终实现各成分的准确提取.仿真信号和试验信号的分析均验证了所提出的模型能够在不需要故障具体数目的先验知识下,准确实现齿轮箱复合故障的信号分解和故障诊断.     

快速固有成分滤波特征融合的轴承故障诊断方法

稀疏滤波故障特征增强方法依托故障信息固有的稀疏性可以有效实现轴承微弱故障诊断，但其存在两类弊端：经验地设置其输入、输出维度，引起特征提取效果的不确定性；需要利用先验知识从优化的权重矩阵中严格地筛选出特定成分，造成故障特征信息损失。针对上述问题，提出快速固有成分滤波特征融合方法。首先，引入复杂性测度设计自适应的稀疏滤波维度参数选取准则，并采用稀疏滤波优化目标指数遴选出一簇故障信息丰富的融合源；其次，建立故障特征融合源流形学习融合策略，包括改进流形学习方法融合遴选出的融合源，构造融合分量异常幅值检测策略和给出了最大化故障信息的融合分量加权表示。提出方法可解决稀疏滤波维度参数选择、特征筛选造成信息损失和固有流形幅值异常引起包络谱奇异等问题。仿真和试验结果验证所提出方法相较于现有流形学习和稀疏滤波等方法具有更强的轴承微弱故障特征提取能力。     

变分模式分解方法研究与应用综述

自适应信号分解领域一个十分活跃的分支——变分模式分解(VMD)已经成为信号处理与检测技术学界一个热门的研究方向。VMD对非平稳、非线性信号具有良好的处理效果。针对VMD模型及其参数选择,发展了许多拓展模型及参数优化方法。本文回顾近十年来VMD的研究进展,对相关的文献进行总结与分析。首先,分析VMD的原理性优势及其在各个领域的应用潜力;其次,根据模型对不同信号类型的匹配能力,分类总结VMD拓展模型的不同特性和适用场景;然后,归纳VMD及其拓展模型参数优化方法的研究现状,探讨与分析不同模型参数优化方法的特点和最新研究趋势;最后,对VMD的未来发展提出6点展望,为后续的研究指明方向。     

考虑小尺度效应的微圆轴扭转振动

在微机电系统中,微纳米构件常常表现出尺度效应。基于非局部弹性理论,建立了微圆轴的扭转振动模型,并结合3种常见的边界条件,给出了具体的算例。结果表明:对比于经典连续力学,非局部弹性理论预言的圆轴扭转振动固有频率下降,并且微圆轴的外特征尺度即横截面半径越小,二者相差越大;振动频率的阶数越高,影响也越明显。随着截面半径的增加,振动频率下降并且非局部尺度效应逐渐消失。同时考察了扭转振动的模态函数和相对转角,发现前者与经典弹性理论结果一致。此外还讨论了材料内禀尺度的选取问题,以数值算例证明了内禀尺度与材料晶格常数非常接近,晶格常数可近似用作微纳米力学中材料的内禀尺度参数。